本公開涉及數(shù)據(jù)處理，尤其涉及一種多源異構(gòu)點云的語義分割方法、裝置、設(shè)備和存儲介質(zhì)。

背景技術(shù)：

1、點云語義分割是將點云數(shù)據(jù)劃分為不同的語義類別，如建筑、道路、車輛、植被等，其作用是實現(xiàn)對點云中每個點精細的語義判斷，以獲得較為詳細的語義結(jié)構(gòu)信息，為檢測、識別、建模和交互等提供豐富的語義特征。

2、由于環(huán)境限制，為了獲取一個區(qū)域中更多的場景信息，通常會通過不同的設(shè)備進行點云數(shù)據(jù)的采集，從而使該區(qū)域的點云數(shù)據(jù)存在多源異構(gòu)的特點。而當(dāng)前的語義分割技術(shù)主要集中在對單一來源的點云數(shù)據(jù)進行處理，對多源異構(gòu)點云數(shù)據(jù)的語義分割結(jié)果并不準確。因此，如何提高多源異構(gòu)點云數(shù)據(jù)的語義分割準確性是本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本公開提出了一種多源異構(gòu)點云的語義分割方法、裝置、設(shè)備和存儲介質(zhì)，可以提高多源異構(gòu)點云數(shù)據(jù)的語義分割準確性。

2、根據(jù)本公開的第一方面，提供了一種多源異構(gòu)點云的語義分割方法，包括：

3、獲取目標(biāo)區(qū)域的影像數(shù)據(jù)以及各來源點云數(shù)據(jù)；

4、提取各來源點云數(shù)據(jù)的屬性特征，采用預(yù)先構(gòu)建的屬性對齊模型，對各來源點云數(shù)據(jù)進行屬性對齊并匹配，得到各來源點云數(shù)據(jù)的匹配結(jié)果；

5、對各來源點云數(shù)據(jù)的匹配結(jié)果進而融合，得到融合點云數(shù)據(jù)；

6、基于所述影像數(shù)據(jù)對所述融合點云數(shù)據(jù)進行語義分割，得到所述目標(biāo)區(qū)域的語義分割結(jié)果。

7、在一種可能的實現(xiàn)方式中，在提取各來源點云數(shù)據(jù)的屬性特征，采用預(yù)先構(gòu)建的屬性對齊模型，對各來源點云數(shù)據(jù)進行屬性對齊并匹配，得到各來源點云數(shù)據(jù)的匹配結(jié)果時，包括：

8、將各來源點云數(shù)據(jù)的屬性特征轉(zhuǎn)換為標(biāo)準屬性特征，得到各來源點云數(shù)據(jù)的標(biāo)準屬性特征；

9、基于各來源點云數(shù)據(jù)的標(biāo)準屬性特征，對各來源點云數(shù)據(jù)進行匹配，得到各來源點云數(shù)據(jù)的匹配結(jié)果。

10、在一種可能的實現(xiàn)方式中，在基于各來源點云數(shù)據(jù)的標(biāo)準屬性特征，對各來源點云數(shù)據(jù)進行匹配，得到各來源點云數(shù)據(jù)的匹配結(jié)果時，包括：

11、由各來源點云數(shù)據(jù)中確定出目標(biāo)點云數(shù)據(jù)；

12、遍歷所述目標(biāo)點云數(shù)據(jù)中的各個點云；

13、針對遍歷到的當(dāng)前點云，依次計算所述當(dāng)前點云與其他來源點云數(shù)據(jù)中各點云的標(biāo)準屬性特征之間的相似度，并將所述相似度大于設(shè)定閾值的其他來源點云數(shù)據(jù)中的點云作與所述當(dāng)前點云相匹配的點云；

14、遍歷結(jié)束，即可得到各來源點云數(shù)據(jù)的匹配結(jié)果。

15、在一種可能的實現(xiàn)方式中，在計算當(dāng)前點云與其他來源點云數(shù)據(jù)中各點云的標(biāo)準屬性特征之間的相似度時，基于預(yù)設(shè)的屬性特征權(quán)重實現(xiàn)。

16、在一種可能的實現(xiàn)方式中，所述屬性特征權(quán)重根據(jù)所述當(dāng)前點云與其他來源點云數(shù)據(jù)中各點云的標(biāo)準屬性特征之間的相似度進行更新。

17、在一種可能的實現(xiàn)方式中，在基于所述影像數(shù)據(jù)對所述融合點云數(shù)據(jù)進行語義分割，得到所述目標(biāo)區(qū)域的語義分割結(jié)果時，包括：

18、對所述影像數(shù)據(jù)進行語義分析，得到所述影像數(shù)據(jù)的二維語義掩膜；

19、將所述二維語義掩膜轉(zhuǎn)換為三維語義掩膜，并將所述三維語義掩膜與所述融合點云數(shù)據(jù)進行對齊；

20、基于與所述融合點云數(shù)據(jù)對齊的三維語義掩膜，對所述融合點云數(shù)據(jù)進行語義分割，得到所述目標(biāo)區(qū)域的語義分割結(jié)果。

21、在一種可能的實現(xiàn)方式中，在對所述影像數(shù)據(jù)進行語義分析，得到所述影像數(shù)據(jù)的二維語義掩膜時，基于sam2模型實現(xiàn)。

22、根據(jù)本公開的第二方面，提供了一種多源異構(gòu)點云的語義分割方法裝置，包括：

23、數(shù)據(jù)獲取模塊，用于獲取目標(biāo)區(qū)域的影像數(shù)據(jù)以及各來源點云數(shù)據(jù)；

24、屬性對齊模塊，用于提取各來源點云數(shù)據(jù)的屬性特征，采用預(yù)先構(gòu)建的屬性對齊模型，對各來源點云數(shù)據(jù)進行屬性對齊并匹配，得到各來源點云數(shù)據(jù)的匹配結(jié)果；

25、點云融合模塊，用于對各來源點云數(shù)據(jù)的匹配結(jié)果進行融合，得到融合點云數(shù)據(jù)；

26、語義分割模塊，用于基于所述影像數(shù)據(jù)對所述融合點云數(shù)據(jù)進行語義分割，得到所述目標(biāo)區(qū)域的語義分割結(jié)果。

27、根據(jù)本公開的第三方面，提供了一種多源異構(gòu)點云的語義分割方法設(shè)備，包括：處理器；用于存儲處理器可執(zhí)行指令的存儲器；其中，所述處理器被配置為執(zhí)行本公開第一方面所述的方法。

28、根據(jù)本公開的第四方面，提供了一種非易失性計算機可讀存儲介質(zhì)，其上存儲有計算機程序指令，其中，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)本公開第一方面所述的方法。

29、本公開提供了一種多源異構(gòu)點云的語義分割方法、裝置、設(shè)備和存儲介質(zhì)，該方法包括：獲取目標(biāo)區(qū)域的影像數(shù)據(jù)以及各來源點云數(shù)據(jù)；提取各來源點云數(shù)據(jù)的屬性特征，采用預(yù)先構(gòu)建的屬性對齊模型，對各來源點云數(shù)據(jù)進行屬性對齊并匹配，得到各來源點云數(shù)據(jù)的匹配結(jié)果；對各來源點云數(shù)據(jù)的匹配結(jié)果進行融合，得到融合點云數(shù)據(jù)；基于影像數(shù)據(jù)對融合點云數(shù)據(jù)進行語義分割，得到目標(biāo)區(qū)域的語義分割結(jié)果。通過本公開的方法可以提高多源異構(gòu)點云數(shù)據(jù)的語義分割準確性。

30、根據(jù)下面參考附圖對示例性實施例的詳細說明，本公開的其它特征及方面將變得清楚。

技術(shù)特征：

1.一種多源異構(gòu)點云的語義分割方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在提取各來源點云數(shù)據(jù)的屬性特征，采用預(yù)先構(gòu)建的屬性對齊模型，對各來源點云數(shù)據(jù)進行屬性對齊并匹配，得到各來源點云數(shù)據(jù)的匹配結(jié)果時，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在基于各來源點云數(shù)據(jù)的標(biāo)準屬性特征，對各來源點云數(shù)據(jù)進行匹配，得到各來源點云數(shù)據(jù)的匹配結(jié)果時，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在計算當(dāng)前點云與其他來源點云數(shù)據(jù)中各點云的標(biāo)準屬性特征之間的相似度時，基于預(yù)設(shè)的屬性特征權(quán)重實現(xiàn)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述屬性特征權(quán)重根據(jù)所述當(dāng)前點云與其他來源點云數(shù)據(jù)中各點云的標(biāo)準屬性特征之間的相似度進行更新。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在基于所述影像數(shù)據(jù)對所述融合點云數(shù)據(jù)進行語義分割，得到所述目標(biāo)區(qū)域的語義分割結(jié)果時，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，在對所述影像數(shù)據(jù)進行語義分析，得到所述影像數(shù)據(jù)的二維語義掩膜時，基于sam2模型實現(xiàn)。

8.一種多源異構(gòu)點云的語義分割裝置，其特征在于，包括：

9.一種多源異構(gòu)點云的語義分割設(shè)備，其特征在于，包括：

10.一種非易失性計算機可讀存儲介質(zhì)，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至7中任意一項所述的方法。

技術(shù)總結(jié)
本公開提供了一種多源異構(gòu)點云的語義分割方法、裝置、設(shè)備和存儲介質(zhì)，該方法包括：獲取目標(biāo)區(qū)域的影像數(shù)據(jù)以及各來源點云數(shù)據(jù)；提取各來源點云數(shù)據(jù)的屬性特征，采用預(yù)先構(gòu)建的屬性對齊模型，對各來源點云數(shù)據(jù)進行屬性對齊并匹配，得到各來源點云數(shù)據(jù)的匹配結(jié)果；對各來源點云數(shù)據(jù)的匹配結(jié)果進行融合，得到融合點云數(shù)據(jù)；基于影像數(shù)據(jù)對融合點云數(shù)據(jù)進行語義分割，得到目標(biāo)區(qū)域的語義分割結(jié)果。通過本公開的方法可以提高多源異構(gòu)點云數(shù)據(jù)的語義分割準確性。

技術(shù)研發(fā)人員：王昌浩,尚聚雷,張哲,譚靖,李瑩,張富華,馬丁,王戰(zhàn)舉,張辰儀,陳秀
受保護的技術(shù)使用者：航天科工（北京）空間信息應(yīng)用股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15